AI Capex的ROI追踪，应用端的提效和创新数据如何了？
发布日期：2026-09-14
到 2026 年，关于 AI 的争论已经换了一个问法。前两年大家吵的是"AI 是不是泡沫"，今年吵的是一道更朴素的算术题：这笔钱，到底多久能算平？
分母这一端其实已经不神秘了。微软、谷歌、亚马逊、Meta 四家 2026 年的资本开支（Capex）指引合计落在 约 7,200 亿至 7,450 亿美元，较 2025 年约 3,810 亿同比增长约 80%；若把甲骨文 FY2027 指引算进来，五家合计约 8,350 亿美元。这个数字接近日本 2026 年全年的财政支出预算，也超过了德国、墨西哥的财政预算。
真正有争议的、也是这篇文章要回答的，是分子那一端：应用端到底收回了多少？提效的数据到底怎么样？创新是不是只在"卖铲子"这一层发生？下面把分母、分子、以及最容易被含糊带过的"提效实测数据"，按各家公司真实披露的口径逐层摆开。
一、分母端：钱花到哪了，以及一个被忽略的转折
先说清楚规模，再谈质变。四家的口径不完全一致（微软是财年制，且今年做了会计调整），按各家公司管理层在最新财报电话会上的官方口径，2026 年情况如下（单位：美元）：
| 公司 | 2026 Capex 指引 | 同比 | 2026Q2 实际 | 自由现金流（最新季） |
| 亚马逊（AMZN） | 约 2,200 亿 | +约 83% | 542 亿（+68%） | −88.2 亿（转负） |
| 谷歌（GOOGL） | 1,950–2,050 亿 | +约 115% | 449 亿（约翻倍） | −58.6 亿（上市来首负） |
| Meta（META） | 1,300–1,450 亿 | +80%~101% | 311 亿（+82.7%） | 7.84 亿（同比 −91%） |
| 微软（MSFT） | 约 1,750 亿（口径调整后） | +约 65% | 410 亿（+约 70%） | 196 亿（同比 −23%，仍为正） |
| 四家合计 | 约 7,200–7,450 亿 | +约 80% | — | 合计已转负并持续恶化 |
有两个细节值得单独点出来，因为它们常被误读：
第一，微软的"下降"不是缩减。微软把 2026 自然年账面 Capex 从约 1,900 亿下调到约 1,750 亿，原因是从 FY2027 起把数据中心和办公楼预计使用年限从 15 年延长到 25 年，导致约 150 亿美元的数据中心租赁由融资租赁转为经营租赁——融资租赁计入 Capex，经营租赁不计入。公司明确表示实际投资规模没有下调，且 FY2027 资本开支仍将同比增长。
第二，真正的转折不在规模，而在融资结构。过去两年，巨头是拿自有现金流在烧钱，市场不太介意。但 2026 年发生了变化：增量债务占资本开支的比重，从 2024 财年的约 9% 升到了 2026 年中的约 32%；2026 年前 7 个月，四大科技公司发行了约 1,940 亿美元债券，较 2025 年全年高出 79%；同期债券中位利差从 30bp 走阔到 40bp，订单簿覆盖倍数从近 5 倍压缩到不足 2 倍。甲骨文 FY2026 自由现金流为 −237 亿美元，标普 7 月将其评级从 BBB 下调至 BBB−（仅高于垃圾级一档）。
这就是为什么今年的争论从"估值问题"升级成了"信用问题"：用利润烧钱，烧完是股东认栽；借钱烧钱，烧到一半是债主上门。
二、分子端：应用端到底收回了多少
把应用端的收入按四层摆出来，可以看到一个共同特征：增速是软件史上罕见的，但绝对规模与 7,000 亿的分母还不在一个数量级。
| 层级 | 代表公司 | 最新收入 / ARR | 增速与关键点 |
| 前沿模型 | Anthropic | ARR 约 650 亿美元（7 月底） | 较 2025 年底约 90 亿增逾 7 倍；Q2 收入 >115 亿（同比约 14 倍）；调整后营业利润转正约 5.59 亿 |
| OpenAI | ARR 约 400 亿美元（7 月） | 较 2025 年底接近翻倍；企业收入 7 月首次超过消费者（年初 40:60）；Codex 周活 5 个月增超 30 倍 | |
| 企业平台 | Salesforce | Agentforce ARR >15 亿美元 | 同比 +240%；Agentforce + Data 360 合计 ARR 约 39 亿（+210%）；一半新订单来自存量客户 |
| ServiceNow | AI ACV 首破 10 亿美元 | 生产环境 Agent 部署 9 个月增 9 倍；约一半净新增业务采用非席位定价 | |
| 微软 | M365 Copilot 付费席位 >3,000 万 | 对应约 4.64 亿商业席位，渗透率仅约 6.5%；AI 业务年化约 370 亿（+123%） | |
| 独立应用 | Cursor | ARR 约 40 亿美元（6 月） | 100 万+ 付费客户；AI 编程工具市场 2026 年约 128 亿美元 |
| 中国应用 | 智谱 | 2026H1 收入 9.54 亿元 | 同比 +399.7%；ARR 约 16 亿美元；API 占比从 15.2% 升至 86.5% |
| MiniMax | 2026H1 收入 1.17 亿美元 | 同比 +283.1%；ARR 超 8 亿美元；企业服务收入占比升至 63.4% | |
| 金蝶国际 | AI 原生收入 2.96 亿元 | 同比 +189%；其中 AI 订阅收入 +282.9% |
注：ARR（年化收入运行率）不等于经审计的全年收入，是近期收入节奏的年化外推；未上市公司（Anthropic、OpenAI、Cursor）数据来自公司对投资者的披露与媒体报道，存在估算成分。数据截至 2026-09-14 可得的最新披露。
这一层有一个非常反直觉的结论：用户最多的不是最赚钱的。ChatGPT 月活超过 10 亿，但 OpenAI 的 ARR（约 400 亿）已经被用户量远小于它的 Anthropic（约 650 亿）反超。差别在收入结构——Anthropic 约 75%–85% 的收入来自企业级 API 调用，而 OpenAI 长期依赖 C 端订阅。两家收入的共同引擎，都是编程（Coding）这一件事：它是目前唯一被验证"用户愿意按用量付费、且每单位用量能折算成省下的人力成本"的场景。
三、提效数据：这才是最容易含糊过去的一节
标题问"应用端的提效数据如何了"，这个问题必须拆成三个不同层次来答，因为"装了 AI"、"真的用了 AI"、"靠 AI 赚到钱了"，是三个差距极大的数字。
把实测数据按"任务级"和"企业级"分开看，会得到一个非常清晰的画面：任务级精彩，企业级沉默。
| 口径 | 实测数据 | 来源 |
| 个人层（软） | 80% 受访者称 AI 提升个人生产力；平均每周省 5.4% 工时（约 2.2 小时） | McKinsey / 圣路易斯联储 2026 |
| 任务级 · 客服 | 每小时多解决 15% 工单；新手提升达 34% | Brynjolfsson 等，QJE 2025 |
| 任务级 · 顾问 | 任务多完成 12.2%、速度快 25.1%、质量高 40% | BCG 实验（Dell'Acqua 等）2026 |
| 任务级 · 写作 | 专业写作时间减少 40%、质量提高 18% | Noy & Zhang，Science 2023 |
| 企业级（反例） | 89% 高管称 AI 三年内对公司生产率"无可测量影响" | NBER，约 6,000 名高管 2026 |
| 企业级（反例） | 56% CEO 称 AI 既未增收也未降本；仅 12% 兼得成本与收入收益 | PwC 全球 CEO 调查（n>4,700）2026 |
| 试点兑现（反例） | 仅 5% 的企业生成式 AI 试点实现可测量的 P&L 影响 | MIT NANDA |
| J 曲线（代价） | 制造业 AI 强度每提高 1 个标准差，全要素生产率反降 1.33 个百分点 | McElheran 等 2025 |
| 隐性成本 | 40% 员工每月收到低质 AI 内容，每次平均 2 小时修正，折合约 186 美元/人/月 | Stanford / BetterUp（HBR）2025 |
还有两个必须一起看的数据点：
一个反例：感知提效与实测提效可以背离。2025 年 7 月 METR 的随机对照试验发现，资深开源开发者在真实任务里用 AI 工具反而慢了 19%，尽管他们自己认为快了 20%。这说明"我觉得快了"和"真的快了"是两件事。
一个顺带的风险：Copilot 赢了分发，还没赢信任。微软 3,000 万付费席位对应约 4.64 亿 M365 商业席位，渗透率仅约 6.5%；更有意思的是，44.2% 的停用用户把"不信任答案"列为主因，准确度净推荐值长期为负。这提示了一件事：企业愿意"先装上试试"，但真正决定续费的，是可靠性而不是新鲜感。
所以对"提效数据如何了"这个问题，诚实的答案是：提效是真的，但它是任务级的、局部的、并且要付出流程重构的代价；它还没有——而且按照 J 曲线，短期之内也不会——出现在大多数公司的利润表上。
四、创新数据：几个正在发生的结构性变化
如果只盯着"ROI 算不算得平"，会漏掉一些已经在悄悄改变格局的信号。这些信号大多不在利润表上，但比利润表更早。
1. 推理成本在断崖式下降，这是应用端最大的"原料降价"。AI 推理服务的平均价格从 5 月底至 7 月中旬的每百万 tokens 约 2.04 → 1.45 美元，进一步降到 8 月的 1.16–1.18 美元。对上游模型厂商，这是 API 定价能力的压缩；但对应用端，这意味着"同样的预算能跑更多的活"，是提效数据最终能否转正的关键变量。
2. 智能体（Agent）正在从试点走向规模化，但"进不了生产"仍是主矛盾。大型企业（营收 >10 亿美元）中在规模化 AI 智能体的比例从 27% 升到 40%；Gartner 预计到 2026 年底 40% 的企业应用将嵌入任务型智能体（2025 年不足 5%）。但另一面是残酷的：约 88% 的智能体试点无法进入生产环境，主因是评估体系缺失（64%）、治理摩擦（57%）、模型可靠性（51%）。
3. "AI 吞噬 SaaS"的悲观叙事被证伪，改成了"在原有席位上盖一层楼"。Salesforce 超过一半的 Agentforce 新订单来自存量客户；ServiceNow 约一半的净新增业务采用非席位定价；Atlassian 允许大客户在席位、应用、AI 用量之间灵活调配。真正的护城河不是模型，而是专有数据、业务语义、权限体系与工作流——这三样模型公司拿不走，巨头也抄不了。
4. 单位经济开始转正，这是最值得关注的"创新"。智谱的 API 毛利率从 −0.4% 转正至 24.6%，单位 Token 推理成本较年初下降 80%；Anthropic 的推理毛利率从一年前的 38% 升到 70%–85%，综合毛利率升至 60% 中段，并在 Q2 实现调整后营业利润转正。这说明"规模效应开始显现经营杠杆"，而不是单纯靠补贴换增长。
5. 中国应用端出现了久违的基本面共振。此前国内 AI 应用多是估值博弈，2026 年中报开始有业绩正反馈：金蝶 AI 原生收入 +189%、明略科技智能体式服务收入 +605.7%、金山办公 WPS 365 收入 +60.84%、迈富时 AI 相关业务 +123.7%。不过要泼一盆冷水：艾瑞数据显示大中型企业整体 AI 采纳率虽达 90.9%，但 67.3% 仍停留在单点探索，仅 9.1% 实现体系化应用。
五、争议卡在哪：三个真正没被解决的问题
第一，时间尺度错配。空头用"当年 capex 对比当年 AI 收入"的横截面看，算出来的投入产出比只有个位数百分比，结论必然是灾难；但数据中心是按 5–6 年折旧、收入是逐年释放的，把当年投入与当年收入直接相除，会系统性低估长期回报。这不是数据之争，是贴现窗口之争。
第二，折旧年限本身就是利润的垫子。如果 AI 芯片的经济寿命真的只有 2–3 年，而公司按 5–6 年摊销，账面利润就被垫高了。Michael Burry 测算 2026–2028 年全行业折旧被低估约 1,760 亿美元，其中甲骨文利润虚高约 26.9%、Meta 约 20.8%。事实层面可以核验：Meta 自 2025 年 1 月起把部分服务器折旧延至 5.5 年，甲骨文从 5 年延至 6 年，微软 2022 年从 4 年延至 6 年，谷歌 2023 年从 4 年延至 6 年——而唯一反向操作的是亚马逊，2025 年主动把折旧年限从 6 年缩短到 5 年，理由是 AI/ML 技术迭代加快。
第三，回报能否沿产业链平均分配。即便 AI 总需求为真，晶圆代工、先进封装、存储、光模块、服务器、云厂商之间的议价能力与资本强度差异极大——上游涨价是供应商的利润，同时是下游的成本。据披露，甲骨文的 GPU 云业务毛利率只有 10%–20%，远低于其传统业务，说明"算力租赁"未必是一门好生意。此外还有"循环融资"的质疑：英伟达投资 OpenAI、OpenAI 采购云、云厂商再采购英伟达芯片，账面各多一笔收入，但外部资金未必真实进场。
六、一张跟踪清单：把"测谎仪"指标准备好
与其继续争"是不是泡沫"，不如把争论落到可量化的指标上。以下这几项，是 2026 年市场公认最有效的"测谎仪"：
| 跟踪指标 | 最新读数（2026 年 9 月） | 为什么盯它 |
| 推理成本 | 每百万 tokens 约 1.16–1.18 美元（8 月） | 降价利好应用端，但压缩上游 API 定价能力 |
| AI 收入对 capex 覆盖度 | 约 7% → 约 24% | 决定"多久算平"的核心比率，看能否持续抬升 |
| 折旧年限假设 | 亚马逊缩至 5 年，其余 5–6 年 | 是否引发跟随，决定账面利润的真实性 |
| 10 年期美债收益率 | 4.79%–4.96%（9/11），逼近 5% | 公认的成长股估值压缩触发线 |
| 超大规模厂商 capex 指引 | 四家均未下调，反而上修 | 第一次出现"下调指引"，就是最强信号 |
| AI 信用利差 / CDS | 四大中位利差 30 → 40bp；甲骨文 CDS 涨 2 倍+ | 信用市场历来先于股票市场预警 |
| 企业级 AI 收入 | 公开披露合计约 100–120 亿美元/年（口径不一） | 看 Coding 之外能否打开新场景 |
结语：这不是泡沫答案，是时间差答案
把三层数据拼起来，AI Capex 的 ROI 追踪到目前为止给出的答案是：分母端（投入）已经跑到 7,000 亿美元量级且四家都没有减速信号；分子端（应用收入）增速惊人，但绝对规模仍小，收入对投入的覆盖度大约只有四分之一；而应用端的提效数据，是一张"任务级精彩、企业级沉默"的答卷。
这里面最重要的一个判断是：技术是真的，钱是真的花了，收入是真的在涨——但三者之间隔着一个"折旧周期"和一次"流程重构"。任务级 14%–40% 的提效是可重复验证的，但它要变成企业级的 EBIT，需要重新设计工作流，而这一步恰恰是最慢、最容易失败的（88% 的智能体试点进不了生产就是这么来的）。
对普通投资者，这篇文章真正有用的地方不是给一个"泡沫/非泡沫"的结论，而是把观察点换掉：别再问"AI 有没有泡沫"，去盯上面那张清单——尤其是那条 5% 的利率线，和第一次出现"下调 capex 指引"的那一刻。前者决定估值，后者决定叙事。在两个信号同时出现之前，这轮资本开支竞赛的答案，仍然写在一张"还没到结算日"的账单上。
注：文中资本开支指引、应用端收入与提效数据，整理自各公司最新财报电话会与投资者披露、以及 McKinsey / PwC / NBER / 美国普查局 / MIT NANDA / 圣路易斯联储 / 杰富瑞等公开研究与媒体转载，非一手来源者需以原始公告为准；ARR 为年化运行率，非经审计年度收入。部分数据口径与统计周期不一，已尽量逐项标注，不可简单拼接为单一趋势。本文仅作学习交流，不构成投资建议。市场有风险，投资需谨慎。